数学竞赛论文模板

数学建模竞赛是团队参加，团队中每个人需要准备的内容是不一样的。准备数学建模竞赛最忌讳的就是三个人一起扎堆看数学模型，一起学习编程，一起学论文写作，到了最后三个人啥都会，但啥也不精。

这里为你提供一份完整的准备路线：

因此，首先需要做的是组建队伍。

注意一定要找靠谱、知根知底的队友，确定大家对于数学建模这件事并不排斥，愿意抽出课余时间参加竞赛，并且志在获奖。能力方面甚至都是次要的，一定一定要确认队友态度！

队伍组建完成后，接下来就是分配工作。

一人负责建模（建模员），一人负责编程（编程员），一人负责写作（写作员）。

对建模员来说，ta首先要将上图提到的六类模型的基本原理弄懂，然后结合实际题目（例如往年国赛、美赛……）来分析这些模型一般会用到什么类型的题目中，如微分方程模型一般会和规划模型结合起来用于解决“热传递”的相关问题（2018年国赛A题和2019年国赛A题）。

对编程员而言，最起码要掌握一门编程语言：Python或者Matlab，这两种是数学建模中最常用的编程语言。

Python可视化示例

python具有：

1、强大且良好的社区环境：在用Python实现一个模型的时候，基本上CSDN和博客园都有现成的代码，如果网上没有需要自己手动实现，但是害怕自己遇到很多bug，网上针对这些bug都有很好的解释以及解决办法。

2、覆盖面广的第三方库：Python有很多第三方库对数学建模常用的模型都有实现，你只需要安装这些第三方库，然后调用这些库，基本上几行代码就能实现一个复杂的模型。比如说最小二乘法的多元线性回归，在sklearn库中LinearRegression模块就已经替你实现好了，直接调用就可以。

编程手仅仅掌握Python编程或者Matlab编程的基础还是不够的，还需要会利用编程语言去实现数学模型，所以建议编程手在比赛开始前就把图一中橘黄色的模型都手动实现一遍，如果实在来不及或者能力不足也要在网上把这几个模型的代码都找到，自己理解一遍。

对写作员而言，第一件事就是选择一个写作工具。

如果你精通LaTex，那么你就用LaTex，如果你对LaTex也是一知半解，不是很精通，或者之前压根没接触过LaTex，那么用word就行了，不要用LaTex。如果到了比赛的时候，LaTex编译不出来然后又找不到解决办法，那就非常浪费时间。

另外，写作也需要能看懂模型（大致知道他的原理），因为最后数学建模还是要靠一篇论文去展现给评委的，如果写论文的人对模型一点不懂，那这肯定也是不行的。建议写作员把近五年的数学建模国赛优秀论文都看一遍。

以上就是参加数学建模竞赛分工合作的一点建议。

我从大一开始就开始准备和参加数学建模竞赛，目前参加过校赛和国赛，也一点一点积累了一些经验，下面对于准备数学建模竞赛我提几点建议：

一、选择并练习自己的长项

大学的数学建模竞赛通常是由建模、编程和写论文三个部分组成的，一般是三人一个小组参加比赛，每个人重点负责一个部分。所以在你决定要参加数学建模竞赛之后就要明确自己重点学习的方向，是选择主攻建模还是编程，或者是写论文。要知道数学建模竞赛得奖需要每个人都很优秀，在这三个方面都有一定的成绩才能在众多队伍中脱颖而出。

二、练习使用MATLAB

数学建模离不开MATLAB软件的帮助，因为数学建模通常解决的是实际生活中的一些问题，这些问题涉及到的数据量是非常大的，比如人口普查、商品运输等等问题，我们很难用简单的算法计算出来，所以这个时候就需要用到功能强大的编程软件MATLAB。即使你不是你们队伍主要的负责编程的同学，你也要学会使用这个程序，因为这是最基本的计算方式。

三、选择志同道合的队友

这个比赛是非常需要团队合作的比赛，比如如果你要参加国赛，比赛时间只有短短四天，这四天里仅靠一个人是很难完成一个深奥的数学问题的，所以你需要能帮助你，能共同进步、互补的队友。我建议你最好选择身边熟悉的同学，因为你们有感情基础，有默契度，磨合起来沟通也简单很多，不需要费太多口舌。但是如果你真的找不到熟悉的队友，也最好找靠谱一些的，比如有能力的学长学姐都是很不错的组队方式。另外最好男女搭配，思维更互补一些。

四、多尝试，不要急

数学建模比赛其实是一个宝贵的学习过程，很多人从零开始，边参加比赛边学习建模知识，经过一定时间的练习、学习、听课、刷视频，水平会提高很多。想我身边的同学，基本是大一尝试着参加比赛体验感觉，大二之后再通过逐渐积累的经验参加一些大一点的比赛，然后获奖。我知道这不是一件很简单的事情，但是只要你愿意投入，时间就是答案。

希望我的回答对你有帮助！

相关范文：关于测控专业学员电磁学前概念的研究摘 要 介绍了一种转变前概念的教学策略。以建构主义学习理论为指导，以电磁学六个方面的含前概念的调查问卷为工具，通过对测控专业学员321名学员的问卷调查，得出学员在电磁学存在的一些典型的前概念。根据调查分析的结果，分析了前概念的成因、特点，并提出了转变前概念的教学策略。 关键词 前概念 电磁学 教学策略 Abstract A kind of teaching method is proposed. Using the constructivism as the guideline, the questionnaire with preconception of 6 parts of electromagnetism as tools, by investigating 321 students, 21 pieces of typical preconception are got. By the results of investigation, analyzing the traits and the reasons, some teaching method for changing the preconception is proposed. Key words preconception electromagnetics teaching method 一、引言 学习者总是以已有的认知结构为基础来建构对新知识的理解[1]，在学习者己有的认知中有些是与科学概念相一致的，有些是与科学概念不一致的，我们就把这些与科学概念不一致的认知称为“前科学概念”(简称前概念)[2]。近年来，随着认知科学的不断发展，人们越来越认识到学习者头脑中的这些前概念会对学习者接受、形成和发展科学概念产生严重的阻碍作用。因此，探究学习者头脑中存在的前概念并根据学员已有的认知结构采取相应的措施进行概念转变教学，逐渐成为国内外教育心理学界研究的热点。对于军队院校的大专学员（士官）来说更是如此，他们的基础更加薄弱一些，纠正他们头脑中存在的前概念，优化其认知结构显得十分重要。 二、基本概念和研究方法 （一）基本概念。在有关概念及概念转变的文献中，研究者使用了很多不同的名词，其中比较常用的有“前概念(preconception) ”，“错误概念(misconception)”、“相异构想(alternative framework ) ”，“概念框架(conception framework )”[3]。 1、前概念。“前概念”有很多种称谓，苏联心理学家维果斯基把它称为如“孩子的概念”、“替代的概念”；前苏联“日常概念”、“自发概念”。它是指“未经专门教学，在同其他人进行日常交际和积累个人经验的过程中掌握的概念” “教学前概念”是指“在进行教学之前学生就己持有的概念”。杜伊特(R.Duit)将其化分为错误概念和前概念两部分，同时，他认为错误概念是指“学生在以前的正式学习中形成的错误理解”，其中前概念的含义与前面相同。 2、概念框架。“概念框架”是指学生对自然现象的认识通常并不是个别的孤立的概念，而大都是能形成一种结构并且在自然中得到拓展。现有研究的结果充分地支持了这一观点，学生的概念通常并不是“模糊”观点的集合，而是非常清晰的，尽管从科学角度来看他们的认识范围十分有限。 （二）研究方法。根据研究目的及具体的研究条件，本研究以问卷调查法为主，并辅以个别访谈法对测控专业学员有关电磁学前概念进行研究。问卷中的试题为单项选择题，要求学员不仅要选出答案，而且要说明所做出选择的理由，以期获取学员产生错误推理、错误概念的原因等有用信息。 1、研究内容。由于电磁学涉及的内容较为广泛，在有限的时间内要全面细致研究是不现实的。本研究在阅读相关研究文献基础上，结合电磁学部分的教学内容和要求，具体设置了:电荷、电场线与电场之间的关系、导体的静电平衡、库仑定律、电势与场强之间的关系、真空中的GUSS定理6个方面的内容。 2、研究对象。本研究旨在探查测控专业学员在电磁学中存在的某些前概念。考虑到电磁学的教学时间、学员的具体情况以及论文的进展情况，我们选择了装备指挥技术学院士官系2006, 2007(简称06, 07)级测控专业的部分学员作为被试对象。其中，06级学员己学完电磁学课程一年，并且进行了后继学科电动力学相关部分的学习；07级学员刚刚学习电磁学中有关测试部分的内容，还未进行后继学科电动力学的学习。 3、问卷编订。参考程守沫、江之永的《普通物理学》，赵凯华、陈熙谋的《电磁学》，陈秉乾、舒幼生、胡望雨的《电磁学专题研究》、张静江的《电磁学问题一一分析与思考》，苏铁力、马德录的《电磁学基本概念学习指导》以及四川师范学院电磁学教研室的《电磁学思考题分析与解答》等材料，并参照戴维德(David )等人的电场和磁场概念理解调查问卷(the Conceptual Survey of Electricity and Magnetism)的设计模式，结合长期从事电磁学一线教学的教员的建议，编制了包含20个题目的初始调查问卷。测查题目情况具体如表1所示。主要测查学员在电磁学中存在的前概念。 表1 测查题目及内容分布 测查内容 电荷 电场线与电场关系 导体的静电平衡 库仑定律 电势与场强关系 真空中的GUSS定理 题号 1，10，17 2，7，12 4，9，13， 18 6，11，19 5，14，15，16 3，8，20 三、结果与分析 为进一步分析测控专业学员在电磁学中存在的某些前概念，我们对问卷调查结果进行了统计分析。试卷回收统计情况如表2所示。 表2 试题测试答案统计表 题号 答对率/人数 含前概念回答率/人数 放弃率/人数 题号 答对率/人数 含前概念回答率/人数 放弃率/人数 1 44.5/143 52.6/169 2.9/9 11 42.4/136 50.6/162 3.3/10 2 86.6/278 12.4/56 1.0/3 12 67.7/217 30.6/98 1.7/5 3 79.7/256 17.4/56 2.9/9 13 63.3/203 31.7/102 5.0/16 4 57.6/185 39.5/127 3.0/10 14 51.7/109 45.0/95 3.3/7 5 69.5/223 27.7/89 2.8/9 15 58.7/124 40.3/85 1.0/2 6 44.5/143 52.7/169 2.8/9 16 43.7/92 51.7/109 4.6/10 7 48.6/156 47.0/151 4.4/14 17 52.6/111 44.5/94 2.9/6 8 62.6/201 34.6/111 2.8/9 18 70.5/226 28.6/92 0.9/3 9 67.6/217 30.8/99 1.7/5 19 57.1/183 38.9/125 4.0/13 10 62.5/200 34.2/109 2.3/12 20 64.6/207 32.5/104 2.9/9 1、年级差异。统计结果中发现，对于不同年级得分率有较大差异，具体情况如图1所示。从图中我们发现随着年级的增长，学员的得分率有所提高，这说明从新课教学以及一些其他相关学科的学习，对于一部分前概念的纠正和科学概念的形成是有效的，能够在一定程度上提高学员成绩。 2、概念差异。此外对06、07级6部分测查内容得分率分别进行了统计，统计情况如图2所示。 图2 06、07级各部分测查内容平均得分率 从图2我们可以看出学员在各部分测查内容方面的平均得分也随年级的增长而提高，这也说明通过后继学科的学习能在一定程度上减少学员的前概念，提高学员的学习成绩。这说明通过新课教学可以有效的纠正学员头脑中的前概念并且能有效的帮助学员形成正确的物理概念。07和06年级之间存在明显的差异，这说明后继学科的学习纠正学员的部分前概念。其中库仑定律增幅最高，说明这部分内容存在的前概念多。而真空中的GUSS定理增幅最小，这说明这部分内容存在的前概念最小。这主要是因为库仑定律比较普遍，学员接触的较多一些，而后者学员在学习中接触的较少，所以前概念就少一些。学员具体在库仑定律方面存在的前概念如下表3所示。 表3 在库仑定律方面存在的典型前概念 序号 前概念内容 1 极小的带电物体均可看作点电荷 2 根据公式 可知r→∞，E→∞3 根据公式 可知r→0，无意义四、教学策略 由上面的调查分析判断，电磁学教学的关键在于促进学生的概念转变，学习是否发生是依据概念发展而不是依据新信息的零星积累来判断的。要确定适当的概念转变教学策略，应当考虑以下几个因素：(1)学生原有的概念，促进概念转变的教学首先需要知道学生在概念转变中存在那些常见的问题，从而有针对性的设计教学；(2)分析在发展和转变观念的过程中对学生智力的要求，这种分析集中于学习者从现有概念向预期结果转变的过程中需要经历的智力途径的性质；(3)考虑可能用来帮助学生从现有概念向科学概念转变的各种具体教学对策。促进概念转变的关键在于营造一个有利于概念转变的教学环境，在这一环境中，新旧概念间的矛盾被突出，从而激起学生解决矛盾的愿望，并提供给学生比较充分的解释、交流的机会。根据新旧概念矛盾的激化程度不同，促进概念转变的教学策略可以分为以下两种。 一是充实。充实(Enrichment)指在现存的概念结构中概念的增加或删除，包括对前概念的区分、合并以及增加层级组织。这一途径涉及前概念的量的扩展，是一条“进化”的、连续的途径，发生在学生的原有概念结构同科学概念一致的情况下。这一策略常用的引导学生概念转变的方式有：从学生前概念的积极方面入手，以两种概念的一致点为出发点，逐步过渡到科学概念。对学生存在的错误观念，找出一个情景比较相似但较容易理解的事例，在二者之间建立类比关系，为学生从错误观念走向科学概念架起桥梁；另外，我们可以让学生先动手完成一些简单的实验，然后以试验内容和现象为素材进行讨论，澄清错误概念。 二是重建。重建(Restructuring)意味着创造新结构，这种新结构的建构是为了解释老的信息或说明新信息。这是一条“革命性”的、不连续的途径，它发生在学生的前概念与科学概念不一致或完全冲突的情况下。在这种不连续的情况下，认知冲突起关键作用。这一策略常用的引导学生概念转变的方式是通过学生对某一物理现象的解释来暴露前概念，在与进一步的物理事实的对比中引起认知冲突，从而帮助学生建立起正确的物理概念。这种教学方式使新旧概念之间的矛盾冲突表面化、集中化，对学生头脑中原有的知识结构有一个强烈的震撼，然后通过顺应重新建立新的认知结构。 5、结论 介绍了一种转变前概念的教学策略。以电磁学六个方面的含前概念的调查问卷为工具，通过对测控专业学员的问卷调查，得出学员在电磁学存在的一些典型的前概念。根据调查分析的结果，分析了前概念的成因、特点，最后得出了转变前概念的教学策略。 参考文献 1.杜军义.高中学生学习物理的相异构想初探[J].物理教师，2002;(6):1～3 2.陈秉乾，舒幼生，胡望雨.电磁学专题研究[M].北京:高等教育出版社，2003.1～70 3.赵凯华，陈熙谋.电磁学[M]北京:高等教育出版社，2003.1～53仅供参考，请自借鉴希望对您有帮助

我邮箱yezhuabcd@163.com.发给我你的邮箱，我把我毕业论文时的格式要求以及同学的最终论文给你。还有从学校帮你搜了几篇论文资料。如果你看了满意就给分好不？

关于这个问题，我根据自己两次参赛的经验给出了五点建议：

第一，首先要有扎实的知识准备，比如，数学建模竞赛要求参赛队伍掌握基本的数学建模模型和相关的统计理论，并把理论运用于实践，最终得出结果。我们需要好好学习大学的数学课程，比如高等代数、数学分析，运筹学，计算机课程，这些课程的学习对于数学建模竞赛都是非常必要的，其重要性是可见一斑的。学好这些课程知识，有助于我们在数学建模中更好的分析问题，并利用这些理论知识去指导我们解决问题。

第二，关于辅助数学建模学习的参考书的准备。在准备期间，可以选择入手几本关于数学建模方面的参考书，比如姜启源的《数学模型》等。

第三，除了上述所说的夯实数学建模理论知识之外，数学建模的准备还需要进一步学习一些数学建模软件的使用方法，尽量去熟练掌握，这样在数学建模实战中就可以达到事半功倍的效果，常用的数学建模软件有matlab 、lingo、p ython，这些软件对于建模是必不可少的。

第四，关注一些数学建模平台，这些平台会发布关于数学建模的相关知识和一些比赛的重要信息，有助于及时了解数学建模的最新动态。

第五，关于数学建模组队的准备，可以选择专业间组队，当然如果有条件的话，可以选择跨专业组队，比如数学专业，统计专业与计算机专业进行组队，这样可以发挥各个专业的优势，各取所长。在赛前一定要明确分工，发挥组长的执行力、领导力，给各个组员分好工，安排好任务，这样可以提高自己队伍的效率。另外还要注意培养团结精神，凝心聚力，不要半途而废。

希望能帮到您。

大学的数学建模竞赛我算是参加过一次，自己开始的时候也不知所措过，不过还好有高自己一届的有经验的学姐一起去准备。下面我将把我自己参加数学建模竞赛的经验分享给你。

一、组队

一般数学建模竞赛要求组队人数为3人，这时你可能会想，全部组数学系的大神不是稳赢嘛，其实不是，我认为三位同学应该要有自己不同的技能，不光要有数学好的，编程能力，撰写论文能力一样不能少，所以软件、计算机的同学也是不错的选择。并且数学建模主要分为建模、编程、论文三个部分，个人建议每位队员主攻其中两项左右。三人搭配，干活不累！

二、计划时间

一份好的时间计划会让我们事半功倍，建模一般从周五早上8点开始，建议大家在中午之前确定好做A题还是B题，分别去看看哪个题更有思路一些。之后吃完饭后确定好题目，再依次解决第一问、第二问、第三问最好两天完成。解决所有问题后第三天就要集中写论文，把自己已解决的问题复制粘贴行。当然，时间分配要依据不同队伍的进度来，我只是给出一个参考而已。特别提醒，很多人为了有更多的时间准备会选择熬夜，个人是不太支持熬到太晚，可以少次熬。毕竟精力还是要有充足的睡眠保证的。

三、论文模板

好的论文会让评委们更容易解读，因此我们需要确定一个优秀的论文模板。大概可根据这个来修改（题目→摘要→模型假设→符号说明→模型的建立→模型的求解→模型评价→仿真测试→模型的推广→参考文献→附录），注意：阅卷老师和答辩老师的大部分时间在看摘要，摘要很重要，除此之外，模型评价、回带效果和预测效果也很重要。

四、算法

优秀的论文，其高明之处并不是用了多少数学知识，而是思维比较全面、贴合实际、能解决问题或是有所创新，因此选对算法很重要。几个重要的数学知识：概率与数理统计、微分方程、计算机模拟或者说数值分析等等。

拓展资料

五步法：第一步:提出问题，第二步:选择建模方法，第三步:推导模型的公式，第四步:求解模型，第五步:回答问题。其中求解模型可用SPSS、R、Matlab、C++、SQL、IBM等。